- 综合排序
- 最热优先
- 最新优先
- 来自专栏老张的求知思考世界
为什么要做稳定性保障？
以前写过不少和稳定性相关的文章，其中介绍了不少稳定性保障的实践案例和方法，比如全链路压测和服务治理，这些案例和方法更多的是技术层面解决问题的方法和手段。但为什么要做稳定性保障？如何理解稳定性保障？ 这篇文章，我想聊聊我对于稳定性保障的理解，以及稳定性保障对团队带来的价值。 什么是稳定性保障？ 通俗来说，稳定性是一个很抽象的术语，各人有各人的解读。 如果要给稳定性保障一个比较通用的定义，那这个公式大概是成立的：稳定性保障=良好的架构设计实现+完善的软件研发交付流程+持续的线上应急机制和方法+专业的技术团队+优秀的项目管理和团队协作。 为什么要实践稳定性保障 基础技术设施和稳定性保障体系的建设，是业务长期倒逼的产物。举个典型的例子：双11大促。 总的来说，稳定性保障对业务的价值在于：保证用户体验，满足业务诉求，支撑业务目标达成。
87520编辑于 2023-08-09 - 来自专栏Java技术栈
微服务如何保障稳定性？
注册中心如何保障稳定性 注册中心主要是负责节点状态的维护，以及相应的变更探测与通知操作。一方面，注册中心自身的稳定性是十分重要的。 节点信息的保障 我们说过，当注册中心完全宕机后，微服务框架仍然需要有正常工作的能力。这得益于框架内处理节点状态的一些机制。 本机内存 首先服务消费者会将节点状态保持在本机内存中。 服务消费者如何保障稳定性 一个请求失败了，最直接影响到的是服务消费者，那么在服务消费者这边，有什么可以做的呢？ 服务提供者如何保障稳定性 限流 限流就是限制服务请求流量，服务提供者可以根据自身情况(容量)给请求设置一个阈值，当超过这个阈值后就丢弃请求，这样就保证了自身服务的正常运行。 重启与回滚 限流更多的起到一种保障的作用，但如果服务提供者已经出现问题了，这时候该怎么办呢？ 这时候就会出现两种状况。
1.6K20发布于 2021-05-11 - 来自专栏CNCF
Kubernetes 稳定性保障手册 -- 日志专题
同时，对日志的管理需要意识到 谁会使用这些日志，通常有 4 类角色： 用户 维护者 安全人员 审计人员 用户从黑盒角度使用软件，通过日志了解软件当前的运行状态，关注重点是软件正常的状态。 一种改善方式： klog.V(4).InfoS("got a retry-after response when requesting url", "attempt", retries, "after seconds", seconds, "url", url) 4）为什么要使用具有过滤器能力的 log lib？ 最佳实践 运行阶段是对日志的使用，包括如下 4 个阶段： 采集 查询 分析 告警 由于日志服务对程序的运行以及后续的运营极为重要，建议采用托管型的日志产品来满足运行阶段对日志的使用需求，如阿里云的 SLS 通常情况下，日志产品会提供上述 4 个阶段的服务，具体的使用方法可以参见对应日志产品的文档，下述针对告警做重点分析。
74410发布于 2021-03-15 - 来自专栏得物技术
系统稳定性与高可用保障
图片 可用性的计算公式： 图片 大部分公司的要求是4个9，也就是年度宕机时长不能超过53分钟，实际要达到这个目标还是非常困难的，需要各个子模块相互配合。 要想提升一个系统的可用性，首先需要知道影响系统稳定性的因素有哪些。 三、影响稳定性的因素 首先我们先梳理一下影响系统稳定性的一些常见的问题场景，大致可分为三类： 人为因素 不合理的变更、外部攻击等等 软件因素 代码bug、设计漏洞、GC问题、线程池异常、上下游异常 硬件因素 四、提升稳定性的几种思路 4.1 系统拆分 拆分不是以减少不可用时间为目的，而是以减少故障影响面为目的。 如何做好稳定性和高可用保障是一个很庞大的命题，本篇文章没有太多的深入细节，只聊了整体的一些思路，主要是为了大家在以后的系统高可用建设过程中，有一套系统的框架可以参考。最后感谢耐心看完的同学。
1.2K21编辑于 2023-06-06 - 来自专栏云计算与大数据
Kubernetes 稳定性保障手册：洞察+预案
作者 | 悟鹏 《Kubernetes 稳定性保障手册》系列文章： Kubernetes 稳定性保障手册 -- 极简版 Kubernetes 稳定性保障手册 -- 日志专题 Kubernetes 稳定性保障手册 -- 可观测性专题 Kubernetes 稳定性保障手册 -- 洞察+预案（本文） 综述 稳定性保障是个复杂的话题，需要有效、可迭代、可持续保障集群的稳定性，系统性的方法或许可以解决该问题。 为了形成系统性的方法，可以梳理出稳定性保障复杂性的源头，制定数据模型来对其进行描述，然后在数据模型的基础上对集群的稳定性保障进行数字化和可视化，以数据模型为内核来持续迭代对稳定性保障的理解、实践以及经验的固化 ：不易推导和观察 集群的稳定性保障动作：不易规范和安全执行 总结下来，即： 如何有效、全面洞察集群 如何通过预案安全执行稳定性保障动作 数据模型 可以通过 4 张图和 3 张表对洞察和预案进行数据模型的抽象 "] } ] } 全局可视化稳定性保障 基于上述4 张图和3 张表的数据模型，形成对集群稳定性保障的洞察+预案的内核，可以衍生出一种全局可视化的稳定性保障服务。
97720发布于 2021-07-08 - 来自专栏CNCF
Kubernetes 稳定性保障手册 -- 极简版
虽然基于 Kubernetes 的稳定性保障很重要，但业界缺少基于实践的标准化稳定性保障方案，导致同样的问题在同一产品或不同的产品中重复出现，最佳实践不能应用在更多相同技术栈的产品中，不同产品形成的稳定性保障最佳实践也不能互补 为此，基于过去的开发实践以及基于 Kubernetes 的稳定性保障经验，尝试形成《Kuberentes 稳定性保障手册》，将稳定性保障最佳实践进行沉淀，使得人人对 Kubenretes 稳定性保障的理论形成全面的理解 本篇文章作为《Kubernetes 稳定性保障手册》第一篇文章，抽象稳定性保障中的核心内容，作为稳定性保障最简使用手册。 ? 极简手册目标 1min 理解稳定性保障目标 3min 把握稳定性保障全局视图 一站查找稳定性保障推荐工具或服务 ? 稳定性保障目标 满足服务或产品对稳定性的诉求 加速服务或产品的迭代 ? 满足 90% 以上要求 可保护、可控成本 满足 50% 以上要求 L4 可观测、可灰度、可回滚、可保护、可控成本 满足 90% 以上要求 易于运维满足 50% 以上要求 L5 可观测、可灰度、可回滚
1.3K30发布于 2021-03-15 - 来自专栏高可用
活动期间MySQL稳定性保障思路
马上十一、中秋双节，很多客户开始做节日活动，基本都有一个共性需求：活动期间，流量预计翻N备，由此引发了一轮MySQL的容量治理与保障。 相对于Redis，功夫最好做在事前(参考 重大活动期间Redis稳定性保障思路-腾讯云开发者社区-腾讯云)，MySQL可以在事前和事中同时做一些事情，用好云平台的能力，往往会有意想不到的收获。 2.2 容量 保障容量，主要考虑保障cpu/内存的冗余，用空间换时间；一方面要根据压测结果，做好扩容，另外一方面做好快速的弹性扩容及应急库容。 4. 在实时会话页面，选择活跃会话页签。 5. 在列表上方选择实时会话。 6. 在实时会话列表中勾选待 KILL 的会话，在列表右上方单击 Kill 会话，在弹出的对话框中单击确定。
1K111编辑于 2023-09-27 - 来自专栏为了不折腾而去折腾的那些事
Docker 稳定性保障：Ubuntu 环境版本锁定方案
Docker 作为许多开发或生产环境中的基础设施的重要组成部分，其版本的稳定性直接影响着整个系统的可靠性。本文将介绍如何有效地管理和固定 Docker 的版本。 有时是配置文件不兼容，有时是命令参数变化，有时甚至会影响到整个应用的稳定性。 对于 rootless 模式，还需要 dbus-user-session 和 slirp4netns。 如果你追求极致的环境稳定性，并且不打算对宿主机做任何补丁更新，你当然可以把所有相关的软件包都锁定版本。 不过我建议你三思。 将所有程序都锁定版本，可能会导致错过 Ubuntu 系统的重要安全更新，也可能错过一些系统稳定性的改进。
60010编辑于 2025-02-06 - 来自专栏性能与架构
Twitter是如何保障系统稳定性的？
用作紧急情况下的指导文档 虽然不可能想到所有的情况，但至少会列出测试中发现的那些问题，并指明如何处理 还有一个巨大的玻璃墙，上面记录着关键信息，在问题发生时能够帮助进行快速决策 提前做好准备、想好出现问题时如何处理，是保证稳定性的重要思路
1.1K60发布于 2018-04-03 - 来自专栏为了不折腾而去折腾的那些事
Docker 稳定性保障：Ubuntu 环境版本锁定方案
Docker 作为许多开发或生产环境中的基础设施的重要组成部分，其版本的稳定性直接影响着整个系统的可靠性。本文将介绍如何有效地管理和固定 Docker 的版本。 有时是配置文件不兼容，有时是命令参数变化，有时甚至会影响到整个应用的稳定性。 对于 rootless 模式，还需要 dbus-user-session 和 slirp4netns。 如果你追求极致的环境稳定性，并且不打算对宿主机做任何补丁更新，你当然可以把所有相关的软件包都锁定版本。不过我建议你三思。 将所有程序都锁定版本，可能会导致错过 Ubuntu 系统的重要安全更新，也可能错过一些系统稳定性的改进。所以我的建议是：只锁定 Docker 直接相关的软件包，其他系统组件就交给系统的包管理器去维护。
54110编辑于 2025-02-05 - 来自专栏高可用
重大活动期间Redis稳定性保障思路
马上十一、中秋双节，很多客户开始做节日活动，基本都有一个共性需求：活动期间，流量预计翻N备，由此引发了一轮Redis的容量治理与保障。 所以最好还是做好事前的保障。 2.2 容量保障cpu/内存的冗余，用空间换时间副本只读2.3 慢查询监控这里主要的监控，是指把慢redis配监控，基于业务可以接受的超时时间；proxy-slowlog的配置阈值和监控的阈值一致，方便排查
926101编辑于 2023-09-26 Dubbo服务降级：保障稳定性的终极指南【六】
欢迎来到我的博客，代码的世界里，每一行都是一个故事 Dubbo服务降级：保障稳定性的终极指南【六】 前言 在构建分布式系统时，不可避免地会面临高流量、网络故障和服务不可用等问题。 就像驾驶一辆高性能赛车一样，我们需要一套有效的服务降级机制，以保障系统的稳定性。本文将带你进入Dubbo的服务降级世界，探索如何应对各种挑战，让你的微服务系统始终高效运行。 服务降级概述 1. 在分布式系统中，面临高并发请求、资源瓶颈或故障时，服务可能无法正常运行，这时服务降级可以帮助系统继续提供基本的核心功能，避免完全崩溃，从而保障用户体验。 2. 这有助于提高系统的稳定性和可用性。 服务降级最佳实践 服务降级的最佳实践包括流量控制和故障处理，以确保系统在高流量和故障情况下能够稳定运行： 1. 4. 自动化： 尽可能自动化服务降级策略的触发和恢复。自动化可以在发生问题时更快地响应，减少人工干预的需求。 5. 持续改进： 服务降级策略应该是一个持续改进的过程。
32400编辑于 2025-05-30- 来自专栏Takin应用
被动防御→积极防御，系统稳定性保障思路启发
那么究竟该如何保障庞大复杂的分布式系统的稳定性，走出故障频发的困局呢？ 分布式系统的稳定性保障本身就比较难，再加上高峰流量场景，比如常见的双 11 或者是突发疫情导致行程卡的访问比平常多 20 倍的情况，我们该怎么保证系统的稳定性？ 同理系统稳定性保障也是如此，主动进行峰值流量系统全链路压测、容量演练是解决主要矛盾的关键一步。 该企业从2017年开始发展快递业务，到2021年Q3， 收入从70亿快速增长三倍到现在的200亿，随着业务的不断扩张，企业的IT系统也在经历着天翻地覆的变化，为了保障业务的稳定发展，系统的稳定性保障也逐渐从被动防御转向积极防御 映射到系统稳定性保障领域，当企业具备这种主动验证系统稳定性的能力，验证的次数越多，你收获的价值就越大。
98520编辑于 2022-03-18 - 来自专栏Apache Doris
Apache Doris 是如何保障系统稳定性的？
引言稳定性是数据价值实现的根本保障。数据从采集、传输、存储到计算处理的每个环节都需要系统的稳定运行支撑。数据库作为数据生命周期的核心载体，其稳定性的构建一直是业界公认的最大挑战。 一、稳定性面临的核心命题ApacheDoris稳定性之所以难以保障，其实是受多方面影响：1.1广泛的应用场景Doris主要面临以下五大应用场景的挑战：Real-TimeAnalytics：包括BI报表、 这种“高复杂度+高迭代速度”的双重考验，正是Doris在稳定性建设中需要持续攻克的核心命题。二、多维测试体系为应对上述的多重挑战，测试工作作为保障Doris稳定性的第一道防线，发挥着关键作用。 三、全方位的稳定性保障体系在构建多维测试体系的基础上，我们意识到单一手段无法应对复杂系统的稳定性挑战，还需要将工程实践、社区共建、系统重构与文档建设融为一体，形成全方位的稳定性保障体系。 通过这四个维度的协同发力，我们构建了全方位的稳定性保障体系，让Doris能够在高速迭代的同时，也能持续提升系统的可靠性与健壮性。
20400编辑于 2025-11-19 - 来自专栏漫谈测试
聊聊如何保障自动化测试的稳定性
除了表面的问题，他们可能还关心如何从流程和工具上提升稳定性，比如持续集成、监控报警这些方面。 稳定性问题的根源可能包括环境不一致、测试用例设计不合理、异步操作处理不当、依赖服务不可靠、数据问题、框架本身的缺陷，以及缺乏维护。 七 、监控与维护稳定性看板：监控测试通过率、失败原因、执行时长等指标，发现异常趋势。定期用例评审：清理过时用例，优化冗余或低效的测试逻辑。 自动化测试的稳定性需要从环境控制、用例设计、依赖管理、流程规范和持续维护等多维度保障。关键是通过工具、流程和团队协作，减少不确定性因素，同时对失败用例进行快速响应和修复，避免测试套件逐渐“腐化”。
65020编辑于 2025-03-24 - 来自专栏得物技术
浅谈系统稳定性与高可用保障的几种思路
图片 可用性的计算公式： 图片 大部分公司的要求是4个9，也就是年度宕机时长不能超过53分钟，实际要达到这个目标还是非常困难的，需要各个子模块相互配合。 要想提升一个系统的可用性，首先需要知道影响系统稳定性的因素有哪些。 三、影响稳定性的因素 首先我们先梳理一下影响系统稳定性的一些常见的问题场景，大致可分为三类： 人为因素 不合理的变更、外部攻击等等 软件因素 代码bug、设计漏洞、GC问题、线程池异常、上下游异常 硬件因素 四、提升稳定性的几种思路 4.1 系统拆分 拆分不是以减少不可用时间为目的，而是以减少故障影响面为目的。 如何做好稳定性和高可用保障是一个很庞大的命题，本篇文章没有太多的深入细节，只聊了整体的一些思路，主要是为了大家在以后的系统高可用建设过程中，有一套系统的框架可以参考。最后感谢耐心看完的同学。
2.4K141编辑于 2022-11-02 - 来自专栏Python自动化测试
新人手册系列：思考篇-稳定性&大促保障
质量保障设计的三位一体 如何思考 水平：通用的平台测试方案，不限于具体行业，通过技术手段形成通用化能力。 行业：具有特定业务形态的业务测试方案，结合业务特点形成针对性解决方案。 专项：对具体问题深挖解决方案，专项保障的测试方案，例如资损、预案、全链路压测等 ? 大促质量保障 全链路压测 全链路压测是以全链路业务模型为基础，将前端系统、后端应用、中间适配层、DB等整个系统环境，完整得纳入到压测范围中，以http请求为载体，模拟真实的用户行为，在线上构造出真实的超大规模的访问流量 全链路压测自2013年诞生至今，一直稳居大促质量保障核武器地位。 基本原理： 入口：前端http请求，如detail页面、确认订单页面、提交订单等。
1.6K20发布于 2020-09-27 - 来自专栏数据库干货铺
数据库和缓存稳定性保障-扩容及升级规范
背景 数据库和缓存是系统的核心组件，保障其稳定性是确保整个系统稳定运行的基础。 本规范分别对数据库及缓存硬件扩容、软件升级的前置条件进行说明并期望后续按照此规范进行优化、硬件扩容及软件升级，保障升级操作规范、升级过程平稳。 2. 则可按照如下步骤执行： 1） 临时修改数据库防火墙指向，便于相关人员查询线上数据 2） 通知大数据相关人员注意数据同步任务，如有业务访问从库，则需提前调整连接 至主节点 3） 关闭从节点数据库，并关闭服务器 4） （用于异常回退） 如新主库运行正常2周以上，则进行原主库升级 2.6 数据库架构升级 因数据库版本的迭代及新架构方案的出现，在当前数据库架构出现如下问题时，需要考虑升级数据库架构： 影响数据库稳定性 ： 如正在使用的数据库架构方式存在BUG，导致数据库集群 无法正常切换、异常切换、不满足数据库可用性及稳定性要求时，需升级软件版本或 替换数据库架构方案 部署及维护成本高：如当前架构方案在部署及维护成本均较高
16910编辑于 2026-01-07 - 来自专栏老张的求知思考世界
双11在即，分享一些稳定性保障技术干货
每年一次的双十一大促临近，因此上周末公司组织了一次技术交流闭门会，邀请了电商、物流、文娱内容、生活服务等知名一线互联网公司的技术大牛，一起探讨了一些大促稳定性保障相关的技术话题。 大促典型场景及优化方案 1、云资源稳定性保障 单云模式存在一定稳定性风险，混合云架构在容灾方面效果更好； 核心链路梳理，可以将历史大促或者峰值的访问URL存储起来，经过处理后作为核心链路参考； 验证线上的性能容量搭建单独的仿真环境 /代码块耗时大，不断压测优化验证； 2）业务优化(深库存场景) 为了应对秒杀场景高并发，可以通过缓存+数据库方式来解决； 90%库存放缓存应对高并发； 10%库存放数据库应对超卖； 3、数据库稳定性保障的 单节点可能是关键节点，少量报错很难被发现，需要单点监控分析； 单节点出现问题可以T下线，通过日志等手段进行报错分析，保留现场； 4、除了基础监控，服务层会做哪些监控相关的事项？ 身份识别和业务隔离： 1）RPC group分组：假设有100个节点，40个给核心业务(交易)，60个给其他业务； 2）业务身份：中台架构可通过业务身份把订单秒杀等应用打上标记，便于隔离区分； 业务稳定性保障
3.3K20发布于 2021-11-16 接口请求重试策略：保障稳定性的必杀技
接口请求重试策略：保障稳定性的必杀技 前言 你的应用程序是否对接口请求失败有足够的应对措施？接口请求重试机制是确保数据可靠传输的关键。 例如，第一次重试等待1秒，第二次等待2秒，第三次等待4秒，以此类推。 适用情况： 指数退避适用于不确定问题解决时间的情况，或者服务器处于持续过载状态。 4. 实现幂等性： 为确保接口请求的幂等性，可以采取以下方法： 唯一标识符： 每个请求应该具有唯一的标识符，使服务器能够识别重复的请求并进行幂等处理。 第六：超时和延迟 处理超时和延迟是关键的策略，用于更好地应对网络不稳定性。网络不稳定性可能导致请求超时或响应延迟，以下是一些处理超时和延迟的策略： 1. 4. 异步请求： 对于一些潜在的长时间运行的请求，可以采用异步请求策略。客户端发送请求后，不立即等待响应，而是定期检查响应状态或从服务器推送的通知，从而避免长时间的同步等待。 5.
97510编辑于 2025-05-31
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号